[发明专利]机动目标跟踪方法及装置

权利要求书

1.一种机动目标跟踪方法，其特征在于，所述方法包括：

将机动目标的目标特征信息表示为多个语义模糊集，并根据多个所述语义模糊集构建T-S语义模糊多模型，所述T-S语义模糊多模型包括多个子模型；

基于无迹卡尔曼滤波算法进行后件参数辨识，确定各所述子模型的目标状态和目标状态协方差,其中包括：

基于离散动态系统，确定各所述子模型的初始状态和初始观测，

根据预设采样规则，从各所述子模型的初始状态中确定多个第一采样点及各所述第一采样点的加权值，

根据各所述第一采样点及各所述第一采样点的加权值进行一步预测，得到各所述子模型的更新状态和更新状态协方差，

根据所述采样规则，从各所述子模型的更新状态中确定多个第二采样点及各所述第二采样点的加权值，

根据所述初始状态、各所述子模型的更新状态和更新状态协方差以及各所述第二采样点及各所述第二采样点的加权值，得到更新观测和更新观测方差，

根据各所述子模型的更新状态和更新状态协方差、以及所述更新观测和所述更新观测方差，确定各所述子模型的目标状态和目标状态协方差；

基于模糊C回归聚类算法进行前件参数辨识，确定各所述子模型的前件参数的目标模糊隶属度函数，其中包括：

根据预设观测集、预设预测观测集和各所述子模型的目标状态，构建距离测量函数，

根据所述距离测量函数和各所述子模型的前件参数的模糊隶属度函数的约束条件，定义目标函数，

根据所述目标函数对各所述子模型的前件参数的模糊隶属度函数求偏导，得到各所述子模型的前件参数的更新模糊隶属度函数，

根据各所述子模型的前件参数的更新模糊隶属度函数，得到隶属度矩阵，

将所述子模型的前件参数的模糊隶属度函数设定为高斯型函数，并根据所述隶属度矩阵确定各所述子模型的前件参数的目标模糊隶属度函数；

根据各所述子模型的目标状态、目标状态协方差以及前件参数的目标模糊隶属度函数，得到所述机动目标的状态估计和协方差估计；

根据所述机动目标的状态估计和所述协方差估计，预测所述机动目标的轨迹。

2.如权利要求1所述的机动目标跟踪方法，其特征在于，所述根据各所述子模型的目标状态、目标状态协方差以及前件参数的目标模糊隶属度函数，得到所述机动目标的状态估计和协方差估计包括：

根据各所述子模型的前件参数的目标模糊隶属度函数，计算得到各所述子模型的标准化模型概率；

根据各所述子模型的目标状态和标准化模型概率，得到所述机动目标的状态估计；

根据各所述子模型的目标状态协方差和标准化模型概率，得到所述机动目标的协方差估计。

3.如权利要求2所述的机动目标跟踪方法，其特征在于，所述根据各所述子模型的前件参数的目标模糊隶属度函数，计算得到各所述子模型的标准化模型概率包括：

根据各所述子模型的前件参数的目标模糊隶属度函数，得到各所述子模型的模型概率；

根据各所述子模型的模型概率，计算得到各所述子模型的标准化模型概率。